跳到主要內容

臺灣博碩士論文加值系統

(44.192.15.251) 您好!臺灣時間:2024/03/05 02:38
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:林義評
研究生(外文):Lin, Yi-Ping
論文名稱:應用神經網路於金融交換與Black-Scholes定價模式之探討與其意義分析
論文名稱(外文):A Study and Analysis of Applying Neural Networks to the Financial Swapa and the Black-Scholes Pricing Model
指導教授:蔡瑞煌蔡瑞煌引用關係
指導教授(外文):Tsai Rai Hwan
學位類別:碩士
校院名稱:國立政治大學
系所名稱:資訊管理學系
學門:電算機學門
學類:電算機一般學類
論文種類:學術論文
論文出版年:1998
畢業學年度:86
語文別:中文
論文頁數:81
中文關鍵詞:神經網路金融交換
外文關鍵詞:Black-Scholes 定價模式Neural NetworksFinancial SwapsBlack-Scholes Pricing ModelRNBP
相關次數:
  • 被引用被引用:0
  • 點閱點閱:364
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:1
本篇論文旨在分析神經網路學習績效,並提出一套學習演算法,結合倒傳
遞網路(BP)與理解神經網路(RN),命名為RNBP,這套學習演算法將與
傳統的BP做比較,以兩個不同的財務金融領域的應用,一個是選擇權上
Black-Scholes訂價模式的模擬,一個是金融交換上利率的預測。主要績
效的評估準則是以學習的效率與模擬、預測的準確度為依據。此外,本論
文的另一個重點是提出一套對於神經網路系統進一步分析的方法與工具,
敏感度分析(Sensitivity Analysis)與滯留區(Dead Region)分析,藉
以瞭解神經網路系統是否具有效地良好學習或被一般化的能力,從神經網
路的角度來說,這也是BP與RNBP的另一個績效比較標準。本研究的結果顯
示RNBP在預測準確度上較BP為優良,但是在學習效率與預測能力的穩定性
上並沒有呈現一致性的結論;此外,敏感度分析與滯留區分析的結果也幫
助神經網路在應用領域上有更深入的瞭解。在過去,神經網路的應用者往
往忽略了進一步瞭解神經網路的重要性與可行性,本論文的貢獻在於藉由
分析神經網路所學習的知識,幫助應用者進一步瞭解神經網路表達的訊息
在應用領域上所隱含的實質意義。

The study attempts to analyze the learning performance of neural
networks in applications, and propose a new learning procedure
for the layered feedforward neural network systems, named RNBP,
which binds RN and BP learning algorithms. Two artificial neural
networks, BP and RNBP, here are both applied to two financial
fields, the simulation of Black-Scholes pricing model for the
call options and the midrates forecasting in financial swaps.
The explicit performance comparison between the two artificial
neuralThen we propound a mathematical methodology of sensitivity
analysis and the dead regions to deeply explore inside the
network structures to see whether the models of ANNS are
actually well trained or valid, and thus setup an alternative
comparable criterion. The results from this study show that RNBP
performs better than BP in forecasting effectiveness, but RNBP
obtains neither a consistent learning efficiency in cases nor a
stable forecasting ability. Furthermore, the sensitivity
analysis and the dead regiIn the past, most studies applying
neural networks ignored the importance that it is feasible and
advantageous to obtain more useful information via analyzing
neural networks. The purpose of the research is to help further
understanding to the information discovery resulted from neural
networks in practical applicati

QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top